公开(公告)号：CN115629160A

公开(公告)日：2023-01-20

申请号：CN202211291008.9

申请日：2022-10-21

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  黄旭东 ,  于洪

IPC: G01N33/00 ,  G01N15/06 ,  G01W1/04 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提出了一种基于时空图的空气污染物浓度预测方法及系统，属于空气污染物监测技术领域和深度学习领域，所述方法包括实时获取监测站点的空气质量数据；对所述空气质量数据进行预处理，为每个监测站点构建出空气质量向量；根据监测站点的地理位置信息构建对应的图网络结构，将空气质量向量按时间顺序依次嵌入图网络结构中，形成按时间顺序堆叠的图序列；将图序列输入时空图神经网络模型中，利用图卷积神经网络提取出各个监测站点间空气污染物在空间上的分布情况；利用连续时间LSTM网络提取出各个监测站点的空气污染物在时间上的分布规律，按不同时间粒度输出各个监测站点的空气污染物浓度的预测结果。本发明能够得到更高准确性的预测结果。

公开(公告)号：CN111161312A

公开(公告)日：2020-05-15

申请号：CN201911292314.2

申请日：2019-12-16

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  罗乾豪 ,  于洪

IPC: G06T7/246 ,  G06T5/00 ,  G06T5/30 ,  G06T7/136 ,  G06K9/00

Abstract: 本发明属于视频流分析处理技术领域，涉及一种基于计算机视觉的物体轨迹追踪识别装置及系统；所述装置包括视频流接入模块用于获取视频流数据；去异色空间噪声模块用于消除视频流数据帧图像中的无关噪声和杂色像素块；物体检索模块用于设置特定色彩空间区域值检索出待追踪物体的像素块；计算模块用于计算所述待追踪物体的像素块的最小外接圆；轨迹模拟模块在视频流数据中获得以待检测物体最小外接圆确定的中心位置的轨迹；轨迹检测模块根据待检测物体最小外接圆形成的运动轨迹检测是否存在特定图形；轨迹识别模块，根据检测到的特定图形完成识别待追踪物体的轨迹。本发明能够去除散粒噪声，且尽可能保留了边缘信息，增强了本发明的鲁棒性和准确性。

公开(公告)号：CN115471011A

公开(公告)日：2022-12-13

申请号：CN202211277183.2

申请日：2022-10-19

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  张蓬浩 ,  王国胤

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/26 ,  G06N3/12

Abstract: 本发明涉及一种基于粗糙集和结构风险最小化的空气质量预测方法，包括：获取与空气质量相关的环境参数样本数据；建立空气质量评价体系对从气象监测站点获取的环境参数样本数据进行等级评价创建空气质量指数决策表；根据空气质量指数决策表利用粗糙集理论和结构风险最小化理论计算条件属性子集的经验误差和条件属性子集与决策属性的互信息；并利用遗传算法计算得出最优条件属性子集，将最优条件属性子集中的条件属性作为粗糙集分类器的条件属性以目标监测点的环境参数数据对空气质量进行预测，本发明通过粗糙集理论结合结构风险最小化的预测模型，在不降低预测精确度的前提下，同时兼顾模型的复杂性，增强了预测的稳定性和鲁棒性。

公开(公告)号：CN115130747A

公开(公告)日：2022-09-30

申请号：CN202210742476.7

申请日：2022-06-28

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  陈熠 ,  胡峰

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于空气污染监测技术领域和可解释机器学习领域，具体涉及一种基于云模型的空气污染物浓度预测方法及系统，所述方法包括：实时获取气象监测站点的空气质量数据；采用云模型对空气质量数据进行处理，生成空气质量云滴数据；将空气质量云滴数据与空气质量数据一同输入构建好的LSTM监测模型，得到监测结果；通过提取历史空气质量数据的内涵表示与新产生的空气质量数据的内涵表示，对比可以查看新产生数据是否发生概念偏移，达到监测异常空气质量的目的。

公开(公告)号：CN114398904A

公开(公告)日：2022-04-26

申请号：CN202111386005.9

申请日：2021-11-22

Applicant: 重庆邮电大学

Inventor： 王烨 ,  廖靖波 ,  于洪 ,  王国胤 ,  张晓霞 ,  刘立

IPC: G06F40/35 ,  G06F16/35 ,  G06F40/216 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于多粒度特征解耦的开放领域对话生成方法，包括：获取数据集和对话类别；随机选取数据集中的若干个第一训练对输入条件变分自编码器CVAE模型，得到与对话类别对应的先验高斯分布；将数据集中的第二训练对输入高级条件变分自编码器A‑CVAE模型中，得到重构期望损失和KL散度；根据重构期望损失、KL散度、第一训练对对应的先验高斯分布，得到总损失；根据总损失对A‑CVAE模型进行反向梯度优化，得到训练A‑CVAE模型；获取待回复对话问题；将待回复对话问题输入训练A‑CVAE模型，生成对话回复。本发明能够解决现有模型不能很好的捕捉对话的类别语义，生成的对话可解释性不高的技术问题。

公开(公告)号：CN113935190A

公开(公告)日：2022-01-14

申请号：CN202111289450.3

申请日：2021-11-02

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  胡峻嘉 ,  钟福金

IPC: G06F30/20 ,  G06F17/16 ,  G06F113/08

Abstract: 本发明属于空气污染监测技术领域，具体涉及一种基于张量表示的空气污染物浓度精准化监测方法及系统，该方法包括：实时获取待检测点的空气质量数据，将获取的空气质量数据输入到监测模型中，得到监测结果；根据监测结果对该监测点进行标记；本发明通过融合多源数据和时空空气污染物浓度数据进行张量补全，得到高精度张量数据。

公开(公告)号：CN113887143A

公开(公告)日：2022-01-04

申请号：CN202111225760.9

申请日：2021-10-21

Applicant: 重庆邮电大学

Inventor： 梁浩 ,  张晓霞 ,  钟福金

IPC: G06F30/27

Abstract: 本发明属于空气污染检测领域，涉及一种多源异构空气污染物的空间插值方法、装置及计算机设备；所述方法包括获取目标地区的空气污染物监测站点的监测数据和地理数据；将目标地区分为多个目标分区，将目标分区的中心地理数据放入站点选择器中，选择出与目标分区相关的监测站点；采用云模型从所有监测站点中确定出与该目标分区的监测数据分布最相似的M个监测站点；并将M个监测站点的监测数据输入到M‑Transformer网络模型中，同时将该目标分区的监测数据作为训练时的标签值进行训练；直至将整个目标地区的空气污染物监测数据填补完毕。本发明采用站点打分机制和云模型去寻找与目标分区相似的站点，最终能够提高插值的准确性。

公开(公告)号：CN110222738A

公开(公告)日：2019-09-10

申请号：CN201910429746.7

申请日：2019-05-22

Applicant: 重庆邮电大学

Inventor： 于洪 ,  杨倩 ,  胡峰 ,  王国胤 ,  张晓霞

IPC: G06K9/62

Abstract: 本发明请求保护一种面向混合采样工业大数据的基于多视图字典学习的分类方法，该方法巧妙借助多视图数据的分类思想，以混合采样工业数据与多视图数据的共性特点进行连接，同时，考虑到混合采样数据的样本数量不一致特点，设计了适应混合采样数据的分类方案。在训练阶段，通过字典学习方法，学习了每个采样频率数据每一类训练样本的字典。在分类测试阶段，首先利用训练的与对应采样频率数据相关的字典对测试样本进行编码，然后利用子字典和测试样本的编码向量来判断样本与哪个类簇的重构误差最小，则表示样本属于该类簇。本发明相较于现有技术，极大限度地利用原始数据，保证了原始数据的分布，提高了分类结果的精度。

公开(公告)号：CN114647819B

公开(公告)日：2025-02-25

申请号：CN202210325115.2

申请日：2022-03-30

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  周鹏程 ,  胡峰

IPC: G06F17/16 ,  G06F17/18 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及数据处理领域，涉及一种基于图卷积网络的环境数据的格点处理方法；所述方法包括获取目标区域内的空气质量监测数据和气象监测数据；对所有监测数据进行缺失处理，并将站点的监测数据映射到目标区域所划分的格点矩阵内；使用风向数据和风速数据生成动态风场图，并使用迪杰斯特拉算法计算出风场邻接矩阵；根据空气质量浓度数据构建出每个时刻的掩码矩阵，根据风场邻接矩阵、掩码矩阵和气象监测数据构建出每个时刻的特征向量集合Z；根据掩码矩阵和空气质量浓度数据生成每个时刻的目标矩阵Y；将特征向量集合Z矩阵输入到训练完成的图卷积神经网络模型，得到目标矩阵的估计矩阵P。本发明能提高环境数据格点化的精度。

公开(公告)号：CN115935160A

公开(公告)日：2023-04-07

申请号：CN202211487758.3

申请日：2022-11-25

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  邹兴宇

IPC: G06F18/213 ,  G06Q50/26

Abstract: 本发明属于空气质量数据处理领域，具体涉及一种基于邻域粗糙集属性约简的空气质量数据处理方法。所述方法包括获取具有多个空气属性的空气质量样本数据，对各个空气属性进行排列组合；利用邻域粗糙集的依赖度和引入沙普利值的计算，计算出各个空气属性的重要程度，然后根据空气属性的重要程度构造出一个加权邻域粗糙集，重新定义加权邻域上下近似关系，接着定义新的依赖度，最后根据新的依赖度计算出大于设定的重要度下限的约简属性子集；优化空气质量数据。本发明可以解决现有的空气质量数据处理过程中空气属性权重一致的问题，通过邻域粗糙集的加权计算得到的空气属性，弥补邻域粗糙集模型的不足。